The Cause of China’s Haze Pollution: City Level Evidence Based on the Extended STIRPAT Model
Notice bibliographique
Résumé
Based on the extended STIRPAT model, this paper examines social and economic factors regarding PM2.5 concentration intensity in 255 Chinese cities from 2007 to 2016, and includes quantile regressions to analyze the different effects of these factors among cities of various sizes. The results indicate that: (1) during 2007–2016, urban PM2.5 concentration exhibited declining trends in fluctuations concerning the development of the urban economy, accompanied by uncertainty under different city types; (2) population size has a significant effect on propelling PM2.5 concentration; (3) the effect of structure reformation on PM2.5 concentration is evident among cities with different populations and levels of economic development; and (4) foreign investment and scientific technology can significantly reduce PM2.5 emission concentration in cities. Accordingly, local governments not only endeavor to further control population size, but should implement a recycling economy, and devise a viable urban industrial structure. The city governance policies for PM2.5 concentration reduction require re-classification according to different population scales. Cities with large populations (i.e., over 10 million) should consider reducing their energy consumption. Medium population-sized cities (between 1 million and 10 million) should indeed implement effective population (density) control policies, while cities with small populations (less than 1 million) should focus on promoting sustainable urban development to stop environmental pollution from secondary industry sources.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,002 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,003 |
| Bibliométrie | 0,002 | 0,002 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,002 | 0,001 |
| Science ouverte | 0,002 | 0,002 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,006 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».